本周 RadixArk 发布了 DaisyRose-27B,这是其首个开源权重模型。DaisyRose-27B 是 RadixArk 推出的智能体编程模型,基于 Qwen3.8-27B 通过强化学习(RL)进行后训练。模型卡页面称其仅使用 RL,没有 SFT 或蒸馏。它以 Apache 2.0 许可发布,可作为基座模型的直接替代品。主要结果:Terminal Bench 4.1 pass@1 从 5.6 提升到 12.0。你可以通过我们的 GPULeaderboard.com Chrome 扩展在此查看部署选项和规格。

TL;DR

规模:27.8B 稠密参数(0.46B 视觉编码器,0.42B MTP 头),262,144 token 上下文。

运行于:1 块 GPU。BF16 约 52 GB,FP8 约 29 GB,NVFP4 约 23 GB(仅 Blackwell)。列出的目标平台:H200、B200、GB300、RTX PRO 6000、RTX 5090、DGX Spark。也提供 GGUF。

性能:在全部 7 个报告的基准测试上均超过其 Qwen3.8-27B 基座。

最佳:IFBench 82.4,在 RadixArk 对比的 9 个模型中得分最高。

最差:HLE(纯文本)34.3,仅比基座高 +0.4,低于 Inkling 2 Small 的 44.1。

总结:最佳:经过 18 天 RL 后,Terminal Bench 4.1 提升超过一倍。最差:在困难的智能体任务上,它仍落后于大得多的 MoE 模型。

什么是 DaisyRose-27B?

DaisyRose-27B 保持 Qwen3.8-27B 架构不变。模型卡列出 64 个解码器层,采用 3:1 模式。三个 Gated DeltaNet 线性注意力层与 1 个全注意力层交替。隐藏层大小为 5,120。一个 27 层视觉编码器处理图像。一个多 token 预测层支持推测解码。输入为文本和图像,输出为文本,且它是一个思考模型。

DaisyRose-27B 是如何训练的?

RadixArk 与 Eigent AI 一起构建了约 1,200 个精选任务,从数千个候选中选出。每个任务针对基座模型的一个特定失败。每次沙箱尝试允许最多 1.5 小时、100+ 次工具调用和 256k+ 输出 token。据博客称,智能体会话最多可达 1M token。

训练在 Miles 上运行,这是 RadixArk 的开源 RL 框架,采用完全异步模式。该次运行使用 144 块 H200 GPU,持续 18 天。其中,128 块负责智能体推理,16 块负责训练。总计算量为 63,000 GPU 小时。

RadixArk 报告其内部后端达到 37% MFU。一个基于 Megatron 的开源训练器达到 16%。端到端吞吐量为 16.8k tokens/s,对比 8.3k,实现了 2.0 倍加速。RadixArk 称这将 GPU 时间减少了 57%。

沙箱运行在 AgentENV 上。RadixArk 报告从 9 月中旬到 11 月中旬约有 944,000 个沙箱。峰值并发达到 1,566。9 周内创建成功率为 99%。RadixArk 称成本比主流云沙箱提供商低约 80%。

DaisyRose-27B 在基准测试中表现如何?

所有分数均由 RadixArk 自行报告。DaisyRose 的分数取其 BF16 和 FP8 运行中的较高值。

基准测试DaisyRose-27BQwen3.8-27B变化Terminal Bench 4.1 (pass@1)12.05.6+6.4Terminal Bench 2.175.573.0+2.5DeepSWE v1.146.242.2+4.0SWE Bench Pro v294.791.3+3.4HLE(仅文本)34.333.9+0.4IFBench82.479.5+2.9GPQA Diamond90.789.2+1.5

来源:RadixArk 博客和模型卡。

增幅最大的是 Terminal Bench 4.1,提升超过一倍。编程能力稳步提升:DeepSWE v1.1 上 +4.0,SWE Bench Pro v2 上 +3.4。知识类提升较小,HLE 上 +0.4,GPQA Diamond 上 +1.5。

与更大的模型相比,结果喜忧参半。MiMo V2.6 Flash(总参数 309B)以 16.1 领先 Terminal Bench 4.1。Inkling 2 Small(总参数 594B)在 DeepSWE 上以 72.1 领先,在 HLE 上以 44.1 领先。DaisyRose-27B 仅在 IFBench 上位居 RadixArk 的 9 模型表格之首。

自动播放</button></div>

</div>

<div class="pane" id="dr-bm">

<div class="ctrl" id="dr-bsel"></div>

<div class="bars" id="dr-bars"></div>

<div class="note" id="dr-bnote"></div>

<div class="note">由 RadixArk 自行报告。DaisyRose 的分数取其 BF16 和 FP8 运行中的较高值。竞品分数来自各开发者的报告或引用的排行榜;部分 Terminal Bench 4.1 分数为 4.0 结果。缺失的柱状条未报告。</div>

</div>

<div class="pane" id="dr-ef">

<div class="ctrl"><button class="btn on" data-m="mfu">MFU</button><button class="btn" data-m="tps">吞吐量</button><button class="btn" data-m="gpu">GPU 分配</button></div>

<div class="bars" id="dr-ebars"></div>

<div class="grid2" style="margin-top:14px">

<div class="detail"><div class="big">57%</div>发布运行相比开源基线报告的 GPU 时间减少。</div>

<div class="detail"><div class="big">~944,000</div>9 月中旬至 11 月中旬创建的沙箱,峰值并发 1,566,9 周内创建成功率 99%。</div>

</div>

</div>

<div class="pane" id="dr-dp">

<div class="ctrl" id="dr-psel"><button class="btn on" data-q="bf16">BF16</button><button class="btn" data-q="fp8">FP8</button><button class="btn" data-q="nvfp4">NVFP4</button><button class="btn" data-q="gguf">GGUF</button></div>

<div class="grid2" style="margin-top:12px">

<div class="detail"><div class="big" id="dr-size">~52 GB</div><span id="dr-qnote"></span></div>

<div class="detail"><b>RadixArk 列出的单 GPU 目标</b><div class="chips"><span class="chip">H200</span><span class="chip">B200</span><span class="chip">GB300</span><span class="chip">RTX PRO 6000</span><span class="chip">RTX 5090</span><span class="chip">DGX Spark</span></div></div>

</div>

<div class="ctrl"><button class="btn on" data-s="sg">SGLang + DSpark</button><button class="btn" data-s="vl">vLLM</button></div>

<pre id="dr-code"></pre>

<div class="note">SGLang 命令已精简;完整参数集请参阅模型卡。思考模式采样:temperature 1.0,top_p 0.95,top_k 20,min_p 0。</div>

</div>

<div class="ft"><span>来源:radixark.com/blog/daisyrose-27b · huggingface.co/RadixArk/DaisyRose-27B</span><a href="https://www.marktechpost.com/" target="_blank" rel="noopener">© Marktechpost</a></div>

</div>

<script>

(function(){

var R=document.getElementById('mtp-drose');

function q(s,c){return (c||R).querySelector(s)}function qa(s,c){return Array.prototype.slice.call((c||R).querySelectorAll(s))}

function resize(){try{parent.postMessage({mtpFrame:'drose',h:R.offsetHeight+40},'*')}catch(e){}}

qa('.tab').forEach(function(t){t.addEventListener('click',function(){qa('.tab').forEach(function(x){x.classList.remove('on')});qa('.pane').forEach(function(x){x.classList.remove('on')});t.classList.add('on');q('#dr-'+t.dataset.p).classList.add('on');if(t.dataset.p==='bm')drawB(cur);if(t.dataset.p==='ef')drawE(em);setTimeout(resize,60)})});

qa('.tile').forEach(function(t){t.addEventListener('click',function(){t.classList.toggle('open');setTimeout(resize,30)})});

/* layers */

var L=q('#dr-layers');for(var i=0;i<64;i++){var d=document.createElement('div');d.className='ly '+((i%4===3)?'att':'lin');L.appendChild(d)}

function anim(){var c=qa('.ly');c.forEach(function(x){x.classList.remove('lit')});c.forEach(function(x,i){setTimeout(function(){x.classList.add('lit')},i*28)})}

L.addEventListener('click',anim);setTimeout(anim,300);

/* training steps */

var S=[

'<b>Curate tasks.</b> RadixArk and Eigent AI picked about 1,200 tasks from thousands of candidates. Each task targets a specific failure of the Qwen3.8-27B base model.',

'<b>Agent rollouts.</b> 128 H200s generate trajectories inside AgentENV sandboxes. Each attempt allows up to 1.5 hours, 100+ tool calls and 256k+ output tokens.',

'<b>Async RL update.</b> 16 H200s train with Miles in fully asynchronous mode, so rollouts and optimizer steps overlap. No SFT or distillation is used.',

'<b>Ship weights.</b> The run took 18 days on 144 H200s, about 63,000 GPU-hours. Result: Terminal Bench 4.1 pass@1 from 5.6 to 12.0.'];

var si=0,timer=null;function step(n){si=(n+4)%4;qa('.st',q('#dr-flow')).forEach(function(x,i){x.classList.toggle('on',i<=si)});q('#dr-prog').style.width=((si+1)*25)+'%';q('#dr-detail').innerHTML=S[si];resize()}

q('#dr-next').onclick=function(){step(si+1)};q('#dr-prev').onclick=function(){step(si-1)};

q('#dr-auto').onclick=function(){var b=this;if(timer){clearInterval(timer);timer=null;b.textContent=' Auto-play';b.classList.remove('on')}else{b.textContent='❚❚ Pause';b.classList.add('on');timer=setInterval(function(){step(si+1)},2200)}};step(0);

/* benchmarks */

var M=['DaisyRose-27B','Qwen3.8-27B','Muse Glimmer-30B','Qwen3.6-35B-A3B','MiMo V2.6 Flash','Inkling 2 Small','Beam 1.0','Muse Spark Open','GPT-6 Luna'];

var B={'Terminal Bench 4.1':[12.0,5.6,0.5,0.0,16.1,13.0,6.4,6.6,15.2],'Terminal Bench 2.1':[75.5,73.0,51.7,44.9,87.6,81.3,80.1,76.4,73.0],'DeepSWE v1.1':[46.2,42.2,4.4,0.0,67.9,72.1,43.3,60.0,66.6],'SWE Bench Pro v2':[94.7,91.3,80.4,73.3,null,97.7,null,95.0,null],'HLE (text only)':[34.3,33.9,22.0,22.2,35.1,44.1,34.7,43.9,38.5],'IFBench':[82.4,79.5,77.0,64.4,null,null,79.6,null,null],'GPQA Diamond':[90.7,89.2,83.5,86.0,88.7,93.0,90.6,89.0,90.5]};

var cur='Terminal Bench 4.1',bs=q('#dr-bsel');Object.keys(B).forEach(function(k){var b=document.createElement('button');b.className='btn'+(k===cur?' on':'');b.textContent=k;b.onclick=function(){qa('.btn',bs).forEach(function(x){x.classList.remove('on')});b.classList.add('on');cur=k;drawB(k)};bs.appendChild(b)});

function drawB(k){var v=B[k],mx=Math.max.apply(null,v.filter(function(x){return x!==null})),h='';M.forEach(function(m,i){if(v[i]===null)return;h+='<div class="br'+(i===0?' me':i===1?' base':'')+'"><span class="nm">'+m+'</span><div class="bg"><div class="fl" data-w="'+(mx?v[i]/mx*100:0)+'"></div></div><span class="vl">'+v[i].toFixed(1)+'</span></div>'});q('#dr-bars').innerHTML=h;setTimeout(function(){qa('.fl',q('#dr-bars')).forEach(function(f){f.style.width=f.dataset.w+'%'})},40);var d=(v[0]-v[1]).toFixed(1);q('#dr-bnote').innerHTML='<b style="color:#f5c542">DaisyRose vs base: +'+d+'</b> ('+v[1].toFixed(1)+' → '+v[0].toFixed(1)+')';resize()}

/* 效率 */

var E={mfu:{rows:[['Miles internal backend',37,'37%'],['Open-source Megatron-based',16,'16%']],mx:37},tps:{rows:[['Release run (Miles)',16.8,'16.8k'],['Baseline',8.3,'8.3k']],mx:16.8},gpu:{rows:[['Agent inference',128,'128'],['Training',16,'16']],mx:128}};

var em='mfu';qa('[data-m]').forEach(function(b){b.onclick=function(){qa('[data-m]').forEach(function(x){x.classList.remove('on')});b.classList.add('on');em=b.dataset.m;drawE(em)}});

function drawE(k){var e=E[k],h='';e.rows.forEach(function(r,i){h+='<div class="br'+(i===0?' me':'')+'"><span class="nm">'+r[0]+'</span><div class="bg"><div class="fl" data-w="'+r[1]/e.mx*100+'"></div></div><span class="vl">'+r[2]+'</span></div>'});if(k==='tps')h+='<div class="note">Tokens/s end to end: a 2.0x speedup.</div>';if(k==='gpu')h+='<div class="note">144 H200 GPUs total for 18 days.</div>';q('#dr-ebars').innerHTML=h;setTimeout(function(){qa('.fl',q('#dr-ebars')).forEach(function(f){f.style.width=f.dataset.w+'%'})},40);resize()}

drawE('mfu');

/* 部署 */

var Qs={bf16:['~52 GB','主仓库:RadixArk/DaisyRose-27B。'],fp8:['~29 GB','RadixArk/DaisyRose-27B-FP8。'],nvfp4:['~23 GB','RadixArk/DaisyRose-27B-NVFP4。需要 Blackwell GPU。'],gguf:['GGUF','RadixArk/DaisyRose-27B-GGUF,用于本地运行时。大小因量化方式而异。']};

qa('[data-q]').forEach(function(b){b.onclick=function(){qa('[data-q]').forEach(function(x){x.classList.remove('on')});b.classList.add('on');q('#dr-size').textContent=Qs[b.dataset.q][0];q('#dr-qnote').textContent=Qs[b.dataset.q][1]}});q('#dr-qnote').textContent=Qs.bf16[1];

var C={sg:'python3 -m sglang.launch_server \\\n --model-path RadixArk/DaisyRose-27B \\\n --tp-size 1 --context-length 262144 \\\n --reasoning-parser qwen3 \\\n --tool-call-parser qwen3_coder \\\n --speculative-algorithm DSPARK \\\n --speculative-draft-model-path RadixArk/Qwen3.8-27B-DSpark',vl:'pip install vllm\nvllm serve "RadixArk/DaisyRose-27B" # OpenAI-compatible API on :8000'};

q('#dr-code').textContent=C.sg;qa('[data-s]').forEach(function(b){b.onclick=function(){qa('[data-s]').forEach(function(x){x.classList.remove('on')});b.classList.add('on');q('#dr-code').textContent=C[b.dataset.s];resize()}});

window.addEventListener('load',resize);window.addEventListener('resize',resize);setTimeout(resize,400);

})();

</script>

</body></html>

">

如何部署 DaisyRose-27B?

权重已在 Hugging Face 上提供,格式包括 BF16、FP8、NVFP4 和 GGUF。NVFP4 需要 Blackwell GPU。RadixArk 推荐使用 SGLang 并配合 DSpark 投机解码。该配置使用 Qwen3.8-27B-DSpark 草稿模型。vLLM 也可用,通过 vllm serve "RadixArk/DaisyRose-27B" 启动。建议的思考模式采样参数为 temperature 1.0、top_p 0.95 和 top_k 20。

DaisyRose-27B 与同尺寸模型相比如何?

指标DaisyRose-27BQwen3.8-27BMuse Glimmer-30BQwen3.6-35B-A3B开发者RadixArkQwen (Alibaba)Meta Superintelligence LabQwen (Alibaba)总参数27.8B27B~29.6B35B激活参数27.8B (dense)27B (dense)~29.6B (dense)3B (MoE)上下文262,144262,144(可扩展至 1M)131,072+262,144(可扩展至 1,010,000)许可证Apache 2.0Apache 2.0Apache 2.0Apache 2.0输入文本、图像文本、图像、视频文本、图像文本、图像硬件1 块 GPU;52 GB BF16,23 GB NVFP4未披露64 GB 全精度;低于 20 GB 4-bit未披露Terminal Bench 2.1*75.573.051.744.9SWE Bench Pro v2*94.791.380.473.3DeepSWE v1.1*46.242.24.40.0HLE(仅文本)*34.333.922.022.2IFBench*82.479.577.064.4GPQA Diamond*90.789.283.586.0SWE-bench Pro(官方卡片)未披露61.751.249.5

*来自 RadixArk 的对比表,该表引用了各开发者的报告或排行榜。SWE Bench Pro v2 的数据可追溯至 arXiv 2611.16289。最后一行来自各模型自己的卡片。

关键要点

仅用 RL,无 SFT:1,200 个任务,18 天,144 块 H200。

Terminal Bench 4.1 从 5.6 跃升至 12.0。

可装入 1 块 GPU:BF16 下 52 GB,NVFP4 下 23 GB。

Miles 达到 37% MFU,端到端快 2.0 倍。

Apache 2.0,但所有分数均为自报。

查看模型卡片、技术博客和 Miles 仓库。你可以通过我们的 GPULeaderboard.com Chrome 扩展在此查看部署选项和规格。

另外,欢迎在 Twitter 上关注我们,别忘了加入我们 150k+ 的 ML SubReddit 并订阅我们的 Newsletter。等等!你在 Telegram 上吗?现在你也可以在 Telegram 上加入我们。

需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等?联系我们

文章《RadixArk Ships DaisyRose-27B, a 27B Agentic Coding Model Trained With Reinforcement Learning Only》首发于 MarkTechPost。